文献

J-GLOBAL ID：202002215121750288   整理番号：20A1253793

鉄鉱石焼結プロセスにおける炭素効率予測のための半教師付き線形非線形最小二乗学習ネットワーク【JST・京大機械翻訳】

A semi-supervised linear-nonlinear least-square learning network for prediction of carbon efficiency in iron ore sintering process

著者 (4件)： Chen Xiaoxia (Faculty of Electrical Engineering and Computer Science, Ningbo University, Ningbo 315211, China) ,  Lan Ting (Faculty of Electrical Engineering and Computer Science, Ningbo University, Ningbo 315211, China) ,  Shi Xuhua (Faculty of Electrical Engineering and Computer Science, Ningbo University, Ningbo 315211, China) ,  Tong Chudong (Faculty of Electrical Engineering and Computer Science, Ningbo University, Ningbo 315211, China)
資料名： Control Engineering Practice  (Control Engineering Practice)
巻： 100  ページ： Null  発行年： 2020年 
JST資料番号： W0647A  ISSN： 0967-0661  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 鉄鉱石焼結は大きなエネルギー消費プロセスである。エネルギーは主に炭素の燃焼に由来する。炭素効率を改善することはコスト節約と環境保護に有益である。炭素効率は,それが改善される前に予測されなければならない。半教師つき線形非線形最小二乗学習ネットワーク(LLLn)を,炭素効率の予測のためのプロセス特性に基づいて考案した。最初に,コークス残留物を考慮した新しい包括的炭素比(CCR)を炭素効率を推定するために提案した。次に,モデル構築に関与するプロセス特性を提示した。それらは線形非線形成分と限られた標識試料の存在である。その後,プロセス特性を考慮した半教師つきLLLn(SS-LLLN)アプローチをCCRの予測のために提示した。最後に,実際の実行データを収集し,提案した方法の有効性を検証した。極端な学習機械(ELM),半教師つきELM,LLLnおよびSS-LLLNの誤差分布,精度,および過剰適合性を比較し,SS-LLLNの有効性を示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最小二乗法 ,  *学習 ,  *ネットワーク ,  *炭素 ,  コークス ,  環境保全 ,  適応性 ,  線形性 ,  エネルギー消費 ,  有効性 ,  予測誤差
準シソーラス用語： 費用節約 ,  データ駆動 ,  *鉄鉱石焼結 , 【Automatic Indexing@JST】

著者キーワード (4件)： 鉄鉱石焼結 ,  炭素効率 ,  データ駆動予測 ,  半教師つき学習

分類 (1件)： システム設計・解析  (IA02030D)

タイトルに関連する用語 (9件)： 鉄鉱石焼結 ,  プロセス ,  炭素 ,  予測 ,  教師 ,  線形 ,  非線形 ,  最小二乗 ,  学習